Terjadinya gangguan pada jaringan distribusi listrik merupakan masalah yang signifikan karena potensi kerusakan pada peralatan listrik, ketidakstabilan sistem, dan gangguan energi yang andal. Mendeteksi gangguan secara tepat waktu dan akurat sangat penting, terutama pada jaringan distribusi bawah tanah yang kompleks dengan cabang, kabel yang tidak homogen, dan berbagai beban. Kompleksitas inheren dari jaringan tersebut menimbulkan tantangan dalam menentukan bagian yang terganggu, sehingga memerlukan metode deteksi khusus. Penelitian ini berfokus pada pemanfaatan algoritma k-Nearest Neighbors (k-NN) untuk mendeteksi bagian yang terganggu pada jaringan distribusi bawah tanah. Data praktis, yang diperoleh dari Tenaga Nasional Berhad Malaysia (TNB), termasuk pengukuran lonjakan arus dan penurunan tegangan untuk 17 bagian jaringan, digunakan untuk menghitung Jarak Euclidean. Mengingat bahwa 70% gangguan pada jaringan distribusi disebabkan oleh Gangguan Saluran Tunggal ke Tanah (SLGF), penelitian ini secara khusus menargetkan jenis gangguan ini. Selain itu, berbagai resistansi gangguan diuji untuk mengamati kinerja algoritma k-NN. Hasil penelitian menunjukkan bahwa algoritma k-NN berhasil mendeteksi bagian yang rusak, menunjukkan keefektifannya pada berbagai tingkat ketahanan dan peringkat kerusakan. Penelitian ini memberikan wawasan berharga untuk meningkatkan mekanisme deteksi kerusakan pada jaringan distribusi bawah tanah.

Data aktual dari jaringan bawah tanah di Malaysia digunakan untuk mensimulasikan berbagai resistansi gangguan dalam perangkat lunak PSCAD untuk tujuan mengidentifikasi bagian yang terganggu. Validasi keakuratan data simulasi melibatkan perbandingan daya dan tegangan keluaran dengan data aktual yang diperoleh dari jaringan utilitas. Setelah hasil yang sebanding dicapai, tahap berikutnya melibatkan simulasi gangguan di setiap bagian menggunakan nilai resistansi gangguan yang berbeda. Dengan menggunakan algoritma kNN, parameter simulasi seperti penurunan tegangan dan data lonjakan arus digunakan untuk mengidentifikasi bagian yang terganggu dalam jaringan distribusi. Validasi kinerja model jaringan juga dilakukan untuk memastikan bahwa keluaran uji selaras dengan gangguan yang diterapkan. Ketika gangguan disimulasikan dalam jaringan distribusi bawah tanah, penurunan tegangan dan lonjakan arus, berdasarkan nilai RMS, dicatat. Data untuk bagian yang terganggu dari jaringan distribusi dikumpulkan dengan menerapkan gangguan eksternal antara dua node yang berdekatan. Data yang direkam berfungsi sebagai masukan untuk pengenalan pola. Mengingat simulasi jaringan distribusi bawah tanah dilakukan dalam perangkat lunak PSCAD, penurunan tegangan dan lonjakan arus dapat direkam secara nyata.

Dari hasil penerapan k-NN dalam mendeteksi gangguan ini, didapatkan hasil yg cukup akurat dibandingkan dengan metode matching approach. Hal ini ditunjukkan pada tabel dibawah ini:

Kesimpulan

Penelitian ini telah berhasil menerapkan algoritma k-Nearest Neighbors (k-NN) untuk mengidentifikasi bagian-bagian yang rusak pada jaringan distribusi bawah tanah. Untuk menilai kinerja algoritma k-NN dalam mendeteksi bagian-bagian yang rusak, jumlah k divariasikan untuk nilai resistansi gangguan yang berbeda. Hasil yang diperoleh menunjukkan bahwa penyesuaian nilai k memiliki dampak yang signifikan terhadap peningkatan akurasi deteksi bagian yang rusak.

Terutama, semua bagian yang rusak terdeteksi dengan benar dengan akurasi 100% ketika nilai k ditetapkan menjadi 13. Metode ini terbukti sangat bermanfaat untuk manajemen gangguan dalam sistem distribusi listrik, di mana deteksi gangguan tertentu yang tepat sangat penting dalam waktu singkat. Deteksi bagian yang rusak yang berhasil dalam penelitian ini berkontribusi untuk meningkatkan keandalan listrik jika terjadi gangguan pada jaringan distribusi.

Penulis: Lilik Jamilatul Awalin, ST, MT, PhD. 

Informasi detail dari riset ini dapat dilihat pada tulisan kami di: https://www.praiseworthyprize.org/jsm/index.php?journal=iree&page=article&op=view&path[]=27444

baca juga: Dekan FIB Sebut Mahasiswa Ilmu Sejarah Bisa Lulus Tanpa Skripsi